根据一列的行将数据拆分成多列

Question

我想根据行的字符将位于一列中的数据拆分为两个单独的列。以下是数据：

3C-assembly|contig_93
ptg000037l  
3C-assembly|contig_94
ptg000039l  
3C-assembly|contig_95
ptg000043l  
3C-assembly|contig_96
ptg000196l  
ptg000060l  
3C-assembly|contig_97
ptg000083l  
ptg000083l  
3C-assembly|contig_98
ptg000117l  
ptg000005l  
3C-assembly|contig_99
ptg000123l  
ptg000123l  
ptg0001232  
ptg0001233  

我需要把所有3C-assembly|contig_放在第一列，把所有对应的ptg000放在第二列：

3C-assembly|contig_93 ptg000037l
3C-assembly|contig_94 ptg000039l
3C-assembly|contig_95 ptg000043l
3C-assembly|contig_96 ptg000196l
3C-assembly|contig_96 ptg000060l
3C-assembly|contig_97 ptg000083l
3C-assembly|contig_97 ptg000083l
3C-assembly|contig_98 ptg000117l
3C-assembly|contig_98 ptg000005l
3C-assembly|contig_99 ptg000123l
3C-assembly|contig_99 ptg000123l
3C-assembly|contig_99 ptg0001232
3C-assembly|contig_99 ptg0001233
...........

Answer 1

这是一个R的答案。如果您在存在"3C“(或您的组的某个其他标识符，可能是"|"-character)时使用cumsum创建了一个分组向量，则可以通过数据帧定义的R循环约定将第一个项(一次)拆分并用于任何剩余项：

dat <- read.table(text=txt)  # copied your data into txt
dat <- cbind(dat, grp=cumsum( grepl("3C", dat$V1) ))
#grepl pattern could have been "assembly" if that were more general

   do.call(rbind,  lapply( split(dat, dat$grp), 
           function(x) data.frame(
                            group=x[1,1], # first gets recycled
                            item=x[-1,1]) )  ) # the rest
                    group       item
1   3C-assembly|contig_93 ptg000037l
2   3C-assembly|contig_94 ptg000039l
3   3C-assembly|contig_95 ptg000043l
4.1 3C-assembly|contig_96 ptg000196l
4.2 3C-assembly|contig_96 ptg000060l
5.1 3C-assembly|contig_97 ptg000083l
5.2 3C-assembly|contig_97 ptg000083l
6.1 3C-assembly|contig_98 ptg000117l
6.2 3C-assembly|contig_98 ptg000005l
7.1 3C-assembly|contig_99 ptg000123l
7.2 3C-assembly|contig_99 ptg000123l
7.3 3C-assembly|contig_99 ptg0001232
7.4 3C-assembly|contig_99 ptg0001233

Answer 2

在python中：

#假设数据在pandas数据帧中。我刚刚创建了它：

import pandas as pd
a=[
"3C-assembly|contig_93 ptg000037l",
"3C-assembly|contig_94 ptg000039l",
"3C-assembly|contig_95 ptg000043l",
"3C-assembly|contig_96 ptg000196l",
"3C-assembly|contig_96 ptg000060l",
"3C-assembly|contig_97 ptg000083l",
"3C-assembly|contig_97 ptg000083l",
"3C-assembly|contig_98 ptg000117l",
"3C-assembly|contig_98 ptg000005l",
"3C-assembly|contig_99 ptg000123l",
"3C-assembly|contig_99 ptg000123l",
"3C-assembly|contig_99 ptg0001232",
"3C-assembly|contig_99 ptg0001233"]

a=pd.DataFrame(a, columns=["data"])

#Define Function to SPlit and Extract
def ExtractContig(Name):
    #Split Based on Space
    splitgroup=Name.strip().split(' ')
    contigselect = splitgroup[0]
    ptgselect=splitgroup[1]
    
    # Split Based on Underscore to get first column
    contig = contigselect.strip().split('_')[-1]    
    
    #Split Based on "g" of the string ptgxxxxxx
    ptg = ptgselect.strip().split('g')[-1]    
    return   contig,ptg

#Function Call and Collect Title for Each rows
a['data'].apply(lambda Name: ExtractContig(Name))

您可以存储并执行进一步的分析。本例中的输出为：

0     (93, 000037l)
1     (94, 000039l)
2     (95, 000043l)
3     (96, 000196l)
4     (96, 000060l)
5     (97, 000083l)
6     (97, 000083l)
7     (98, 000117l)
8     (98, 000005l)
9     (99, 000123l)
10    (99, 000123l)
11    (99, 0001232)
12    (99, 0001233)
Name: data, dtype: object